改进粒子群算法和支持向量机的网络入侵检测

• 作者: 郭春璐 陶琳
• 来源期刊: 计算机系统应用
• 关键词: 网络入侵 特征子集 入侵检测分类器 支持向量机
• 年，卷（期）: 2016,（6）
• 页码范围: 269-273
• 页数: 5页
• 字数: 3346字
• 语种: 中文
• DOI: 10.15888/j.cnki.csa.005304

摘要

网络入侵检测一直是网络安全领域中的研究热点，针对分类器参数优化难题，为了提高网络入侵检测准确性，提出一种改进粒子群算法和支持向量机相融合的网络入侵检测模型(IPSO-SVM)。首先将网络入侵检测率作为目标函数，支持向量机参数作为约束条件建立数学模型，然后采用改进粒子群算法找到支持向量机参数，最后采用支持向量机作为分类器建立入侵检测模型，并在 Matlab 2012平台上采用 KDD 999数据进行验证性实验。结果表明， IPSO-SVM 解决了分类器参数优化难题，获得更优的网络入侵分类器，提高网络入侵检测率，虚警率和漏报率大幅度下降。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陶琳	河南工业职业技术学院电子信息工程系	22	61	5.0	7.0
2	郭春璐	河南工业职业技术学院电子信息工程系	10	22	3.0	4.0